残差分析说明.docxVIP

残差分析说明 通常在进行 ANVOA分析后要接着进行对残差的分析， 一直对残差分析里面的四个图表所表现出来的作用迷糊， 在这里请教他们分别表现出来的作用，为了说明什么？ 1， normal plot of Residuals 2, I chart of Residuals 3, Histogram of Residuals 4, Residuals vs. Fits 残差分析：主要是做进一步的确认； 通常情况下，残差是随机分布在 0 直线的两侧，应为正态分布。所以上述四个图形均是为了验证以下内容： 如果残差并非完全正态？ 如果在 I Chart of Residuals 里表现的数据并非独立？ 如果在 Residuals vs. Fits 里表现的数据并非有相同的方差？ 那么如果出现了以上的情况后， 所表达了什么？我们又能在以后做什么？ 一般来说，我们大概可以在以下这几个主题中看到要做残差分析： 实验设计、回归、变异数分析。 他们共同的特点就是：有估计一个数学模式。 因为在数学理论的架构上， 有一个很重要的假设条件： 误差项必须是一个服从常态分配的随机变量。 所以在模式建构之后， 这个模式的适 用性一定要检查─就是看预测值与实际值的差异，就是残差的部份。 用性一定要检查─ 就是看预测值与实际值的差异，就是残差的部份 。 残差的部份一定要符合误差项的基本假设，所以要透过残差图来检视。 如果残差图有特殊现象存在， 代表模式的适合度不够， 必须重新思考数学模式 ( 因子) 的选取是否恰当： 可能关键因子没有找到， 也有可能是项次的阶数不够 ( 线性、二次式或更高阶 ) 。 简单的说是一个图形化的前面所做合适性的表现如果残差正态，表示 ANOVA合适 我们通常会产生一个数学模型， 但是这个模型是否能够真实的反映实际情况，或者说这个数学模型是否是可信的， 就需要进行残差和拟合优度的正态性检验 。如果具有正态性， 说明该数学模型是可行的，比较能够反 当你做 ANOV，A DOE， Regression 时，你一定是想研究一些因素对某 一个质量特性值的影响。 当你在做试验时， 你必然希望你的质量特性值只受到这些你想研究的因素的影响， 所以你会很注意得控制住一些 你已经知道的非研究影响因素 。但是你是不是能控制住所有的影响因 素呢？当然是不可能的， 于是你所不知道的一些因素的影响就形成了残差。如果你的残差只受到普通因素（ commoncause ）的影响，它一定是服从 Mean值在 0 上的正态分布。而如果你的残差还受到异常因素（ special cause）的影响，它就一定会有一些异常的表现 ，比如： 非正态，不等方差， i 非正态，不等方差， i －chart 不再随机排列。这也就是告诉你，如 果你的残差图出现了这些情况， 一定是有什么你不知道的特殊的影响因素对你的实验产生了作用。 这个因素有可能是一个别的什么因素， 也有可能是你的实验因素的高次，这个判断就要通过残差图来实现 了。同时，如果真的有了什么异常因素的影响，你还能相信你的实验 结果吗？ 残差分析一般只是 regression 结果分析的一个步骤 ~ 我们得出回归方程后，要确认这个方程是否可信要有三个注意事项： 1） R-squ and R-squ(adj); 2) P 值的大小 3 残差分析：包括残差的正态性、线性、独立性、和残差的等分散性 这三点满足的话才说明你的回归方程式是可信的！ 而不仅仅只是分析残差！ 1， normal plot of Residuals----- 是否是正态分布2, I chart of Residuals---------- 是否是随机分布3, Histogram of Residuals----- 正态分布的趋势 4, Residuals vs. Fits------------ 是否有相同的组间方差 残差分析是为了确认实验模型的三个假设是否成立： 随机，正态 残差的常数方差 3. 3. 残差的平均值为零 所 以 : 1）残差产生的原因可能会有一些没有发现的原因在影响，检验的目 的是评价其影响度； 2）残差和拟合优度的检验是以检验的结果是否符合正态分布作为标准 ； 3）残差分析中所产生的各种图形的含义：正态性、趋向、是否相同的组间方向等 4）需要进行残差分析的过程有：回归、方差等 残差分析的三